深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
13041	2024-08-04	Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism 2024-Mar-11, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2354082 PMID:39049767	研究论文	本研究探讨了训练数据特征对心电图模型泛化性能的影响	研究引入了注意力机制以提升模型泛化能力，并发现平衡数据集可显著改进模型性能	未具体说明研究的样本量和数据集的具体特征	探讨心电图深度学习模型的泛化挑战	心电图数据集及其特征	机器学习	心血管疾病	深度学习	NA	心电图	使用了不同特征的多个心电图数据集
13042	2024-08-04	Synthesizing Contrast-Enhanced MR Images from Noncontrast MR Images Using Deep Learning 2024-03-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8107 PMID:38453408	研究论文	本研究旨在使用深度学习方法从非对比的多参数MR图像合成虚拟的锗对比增强T1加权MR图像	提出了一种新的深度学习架构，通过仅使用常规非对比脑MR图像合成虚拟的对比增强图像	对模型的广泛适用性可能需要在更大和多样化的样本上进行验证	旨在降低在评估原发性脑肿瘤时对锗对比剂的需求	335名来自脑肿瘤分割挑战的受试者的MR图像数据	计算机视觉	脑肿瘤	深度学习	残差Inception DenseNet网络	图像	335个受试者用于训练和125个受试者用于测试
13043	2024-08-04	DeepION: A Deep Learning-Based Low-Dimensional Representation Model of Ion Images for Mass Spectrometry Imaging 2024-03-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c05002 PMID:38377545	研究论文	本研究提出了DeepION，一个基于深度学习的离子图像低维表示模型，用于质谱成像的离子识别	DeepION通过引入对比学习，实现了自监督的离子图像表示，并设计了特殊的数据增强策略以适应质谱成像数据的特点	在低信噪比和缺乏标注数据集的情况下，离子图像表示的有效性仍然面临挑战	研究旨在提升质谱成像中离子图像的低维表示效果，以改善共定位离子和同位素离子的识别	本研究主要针对生物样品中的离子图像	数字病理学	NA	质谱成像 (MSI)	深度学习模型	图像	实验使用了大鼠脑组织的质谱成像数据
13044	2024-08-05	Feasibility of deep learning-reconstructed thin-slice single-breath-hold HASTE for detecting pancreatic lesions: A comparison with two conventional T2-weighted imaging sequences 2024-Mar, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100038 PMID:39076579	研究论文	本研究评估了深度学习重建的纤薄切片单次呼气半傅里叶单次激发涡旋回音成像（HASTEDL）在检测胰腺病变中的临床可行性	首次比较了深度学习重建的HASTE与传统T2加权成像序列的效果，展现了HASTEDL在图像质量和获取时间上的优势	研究样本量相对较小，且为回顾性研究	评估深度学习重建技术在胰腺病变检测中的应用效能	63名疑似胰腺相关疾病的患者	数字病理学	胰腺癌	深度学习重建	NA	图像	63名患者
13045	2024-08-05	Development of a deep learning model for the automated detection of green pixels indicative of gout on dual energy CT scan 2024-Mar, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2024.100044 PMID:39076582	研究论文	本研究开发了一种深度学习模型用于在双能CT扫描中自动检测指示痛风的绿色像素	提出了一种优化的深度学习算法，用于对双能CT图像中绿色编码的MSU晶体进行分割	该研究的数据集较小，仅包含58个样本	研究痛风患者的双能CT图像中MSU晶体的自动检测	双能CT图像中的绿色编码像素，代表MSU晶体	数字病理学	痛风	双能CT	Segresnet, SwinUNETR	图像	58个样本（28个训练集和30个测试集）
13046	2024-08-04	Mixtures Recomposition by Neural Nets: A Multidisciplinary Overview 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01633 PMID:38284618	综述	本综述探讨了人工神经网络在化学混合物重组中的最新进展	提出了神经网络与物理知识的混合，促进了对化学混合物的理解和预测能力	未提供具体的实验数据支持，主要为理论探讨	研究人工神经网络在化学混合物重组中的应用潜力	聚焦于化学混合物及其成分的重组	机器学习	NA	人工神经网络	深度学习模型	NA	NA
13047	2024-08-04	Leveraging DFT and Molecular Fragmentation for Chemically Accurate pKa Prediction Using Machine Learning 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01923 PMID:38301279	研究论文	我们提出了一种基于随机森林的量子力学/机器学习框架，用于准确预测复杂有机分子的pKa值	我们的工作扩展了CBH的适用性，利用其生成可用于机器学习的分子描述符	未提及具体限制	准确预测复杂有机分子的pKa值	复杂有机分子	机器学习	NA	密度泛函理论（DFT）	随机森林	NA	在两个基准数据集（SAMPL6和诺华）上评估模型性能
13048	2024-08-04	MucLiPred: Multi-Level Contrastive Learning for Predicting Nucleic Acid Binding Residues of Proteins 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01471 PMID:38301174	研究论文	本研究提出了一种新型深度学习模型MucLiPred，用于预测蛋白质与多种分子之间的结合位点	研究引入了双重对比学习机制，提升了多种分子-蛋白质相互作用的预测能力	未提供关于模型在其他特定分子类型上的有效性或推广能力的信息	改善多种分子-蛋白质相互作用的预测和潜在结合残基的识别	聚焦于蛋白质-分子交互的结合残基	计算机视觉	NA	深度学习	NA	NA	NA
13049	2024-08-04	Deep Learning-Based Chemical Similarity for Accelerated Organic Light-Emitting Diode Materials Discovery 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01747 PMID:38270063	研究论文	这篇文章提出了一种基于深度学习的定量评分方法来评估分子的TADF潜力	提出了TADF-likeness评分，通过化学相似性评估TADF材料的潜力	由于仅依赖少量可计算的属性，现有策略有明确的局限性	加速新型TADF材料的发现	已知的TADF分子的特征及其相关的电子属性	材料发现	NA	深度自编码器	NA	分子数据	数百万个分子进行大规模虚拟筛选
13050	2024-08-04	Pretraining Strategies for Structure Agnostic Material Property Prediction 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00919 PMID:38301621	研究论文	本文提出了三种预训练策略以改善无结构学习框架在材料性质预测中的表现	提出了无结构学习框架的可学习预训练策略，并在多个下游任务中证明了其有效性	固定长度的描述符仍然依赖于广泛的领域知识，可能限制作业的普遍适用性	探讨提高基于无结构学习的材料性质预测性能的预训练策略	专注于无结构学习和材料性质预测的深度学习框架	机器学习	NA	自监督学习 (SSL), 指纹学习 (FL), 多模态学习 (ML)	无结构学习框架	小型数据集和大型数据集	NA
13051	2024-08-04	ACPScanner: Prediction of Anticancer Peptides by Integrated Machine Learning Methodologies 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01860 PMID:38277774	研究论文	文章提出了一种名为ACPScanner的集成方法，用于预测抗癌肽及其特定活性类型	ACPScanner是首个用于特定抗癌活性预测的方法，结合了深度学习和统计学习	现有的方法无法识别特定类型的抗癌功能	该研究旨在开发一种新的方法来预测抗癌肽及其活性	抗癌肽及非抗癌肽	机器学习	癌症	深度学习，统计学习	自定义深度学习和统计学习集成架构	序列，物理化学性质，二级结构信息	NA
13052	2024-08-04	ProSTAGE: Predicting Effects of Mutations on Protein Stability by Using Protein Embeddings and Graph Convolutional Networks 2024-01-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01697 PMID:38166383	研究论文	本文提出了一种名为ProSTAGE的新方法，用于预测单点突变对蛋白质稳定性的影响。	结合结构与序列嵌入，采用图卷积网络深度学习方法，显著提高了突变影响问题的预测能力。	尚未提及方法在不同类型突变或更大规模的实验验证中的表现。	开发一种更快速、更准确的预测蛋白质突变对稳定性影响的方法。	针对单点突变影响蛋白质稳定性的关系进行建模和预测。	机器学习	NA	深度学习	图卷积网络	序列数据	使用一个几乎是最常用的S2648数据集两倍大小的更大数据集
13053	2024-08-04	Exploring the Alternative Conformation of a Known Protein Structure Based on Contact Map Prediction 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01381 PMID:38117138	研究论文	本文探讨了如何基于接触图预测来探索已知蛋白质结构的替代构象	提出将深度学习的蛋白质结构预测目标从单一特定结构转向多个可能结构	研究主要集中于二态蛋白，可能不适用于所有类型的蛋白质	研究如何从给定蛋白序列预测多态结构	分析数十种二态蛋白的接触图预测结果	机器学习	NA	深度学习与基于物理的计算方法结合	NA	蛋白质结构	数十种二态蛋白
13054	2024-08-04	Comprehensive Review of Drug-Drug Interaction Prediction Based on Machine Learning: Current Status, Challenges, and Opportunities 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01304 PMID:38132638	综述	本文系统回顾了基于机器学习的药物-药物相互作用预测研究的现状、挑战和机会	提出并比较了不同的药物属性和机器学习方法在药物-药物相互作用预测中的应用	可能未覆盖所有最新的研究进展和数据来源	探讨药物-药物相互作用预测研究的现状和未来方向	基于机器学习方法的药物-药物相互作用预测研究	机器学习	NA	机器学习	浅层学习，深度学习，推荐系统，知识图谱	药物数据库，药物属性数据	NA
13055	2024-08-04	E2EATP: Fast and High-Accuracy Protein-ATP Binding Residue Prediction via Protein Language Model Embedding 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01298 PMID:38127815	研究论文	本研究提出了一种基于蛋白质语言模型嵌入的E2EATP模型，用于快速且高精度的蛋白质-ATP结合位点预测	本研究的创新点在于采用了预训练的深度学习蛋白质语言模型（ESM2）来自动提取与蛋白质功能相关的高潜在判别表示，从而提升预测性能	在特征表示质量的局限性方面，预测性能仍有较大提升空间	本研究旨在改善蛋白质-ATP结合位点的预测性能	研究对象为蛋白质序列，通过提取其中的信息来预测其ATP结合位点	计算机视觉	NA	深度学习，蛋白质语言模型	残差卷积神经网络	蛋白质序列	两个独立测试数据集
13056	2024-08-04	Multi-CGAN: Deep Generative Model-Based Multiproperty Antimicrobial Peptide Design 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01881 PMID:38135439	研究论文	本研究提出了一种基于深度生成模型的Antimicrobial肽设计方法Multi-CGAN	提出了一种新颖的Multi-CGAN结构，能够从单一属性肽数据中学习并生成多属性的抗菌肽序列	NA	探讨如何在药物发现中设计具有多种属性的新型抗菌肽	抗菌肽及其属性的生成与设计	机器学习	NA	深度生成模型	CGAN	肽数据	NA
13057	2024-08-04	Current Computational Methods for Protein-peptide Complex Structure Prediction 2024, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673263447230920151524 PMID:37888817	review	本文回顾了最新开发的蛋白-肽对接方法，分类为三种组别	该文提供了对蛋白-肽对接方法的全面分类和评估标准的讨论	未提及具体的实验验证或特定应用实例的局限性	综述当前的蛋白-肽复合物结构预测的计算方法	讨论了蛋白-肽相互作用的计算方法	计算生物学	NA	计算对接	深度学习方法	NA	NA
13058	2024-08-04	Assessing the healthiness of menus of all out-of-home food outlets and its socioeconomic patterns in Great Britain 2024-Jan, Health & place IF:3.8Q1 DOI:10.1016/j.healthplace.2023.103146 PMID:38056051	研究论文	本研究采用创新的方法对英国外出就餐场所的健康程度进行评估	提出了一种低资源的方法，通过深度学习模型来评估外出就餐场所的菜单健康评分	研究受到资源限制，可能未能全面覆盖所有外出就餐的食物选择	评估外出就餐场所菜单的健康程度及其社会经济模式	针对JustEat上的外出就餐场所及其菜单进行分析	数字病理学	NA	深度学习	深度学习模型	菜单健康评分	包括整个英国的所有实地外出就餐场所
13059	2024-08-04	k-strip: A novel segmentation algorithm in k-space for the application of skull stripping 2024-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2023.107912 PMID:37981454	研究论文	我们提出了一种基于深度学习的新型颅骨剥离算法，用于磁共振成像（MRI），直接在信息丰富的复数k空间中工作	该算法能够在MRI的原始数据上进行颅骨剥离，同时保留相位信息，这是其他算法无法做到的	在眼睛及其周围区域的准确性下降，输出结果部分模糊	研究基于k空间频域进行颅骨剥离的可行性，同时保留相位信息	使用不同机构的四个数据集，总共约200,000个MRI切片	数字病理学	NA	磁共振成像（MRI）	深度学习网络	图像	约200,000个MRI切片
13060	2024-08-04	MAS-CL: An End-to-End Multi-Atlas Supervised Contrastive Learning Framework for Brain ROI Segmentation 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3431451 PMID:39052457	研究论文	本文提出了一种多图集监督对比学习框架（MAS-CL）用于MRI脑ROI分割	引入了多图集监督信息来预训练核心网络，以提升输入MRI图像的潜在表示学习	该研究依赖于有限的体素级标注数据，可能影响训练效果	提升脑区域兴趣（ROI）的分割精度	使用MRI图像进行脑ROI的分割	计算机视觉	NA	核磁共振成像（MRI）	NA	图像	使用LONI-LPBA40、IXI、OASIS、ADNI和CC359五个数据集进行实验